AWK学习笔记-2.5Input

Input

回顾一下，awk的使用方法awk 'program ' data

所以data对于awk也是很重要的一部分。

• 如果没有文件作为Awk的输入，它将根据标准输入读取。

egrep是一个可以对输入的数据进行匹配选择的程序，他的速度要快于awk

egrep 'Asia' countries : awk 'program'

Input Separators输入分隔符

默认FS=”“，也就是会按照blanks and/or tabs 进行分隔。所以会忽略多个空格及tab

FS也可以通过正则表达式进行设置，AWK参考书中给出了例子

BEGIN { FS = ",[ \t]*|[ \t]+"}

• 注意 FS=”[ ]”将分隔符设置为单个blank

• 分隔符也可以通过-F参数进行设置,

  awk -F', [ \t]*| [ \t]+' 'program'

  ​

Multiline Records读取多行记录

行分隔符由RS的值决定，默认是”“，分隔符是：一个或者多个空行分隔

BEGIN { RS = ""; FS = "\n" }

设置记录按照一个或者多个空行分隔，同时列在单独的一个行。

一个记录最多可以有3000个字符。更多设置见后。

The getline Function

getline会读取下一行记录，并进行NF,NR,FNR的设置

返回值为0表示EOF文件结束，为1表示正确读取了一条数据，-1表示错误读取，比如打开文件失败。

• getline x读取下一个记录存储在变量x中，同时设置NR,FNR，不设置NF
• getline < "file"“file”作为当前的输入，不影响NR,FNR，但是设置列NF
• getline x <"file" 没有任何分隔行为，所以不影响NF,NR,FNR的值
• #include "filename" 引用文件。编译时会找到filename文件，替换这句话读取

#好像是include的实现文档？
# include - replace #include "f" by contents of file f
/^#include/ {
    gsub(/"/, "", $2)
    while (getline x <$2 > 0)
        print x
    next
}
{ print }

• getline function

函数	Sets
getline	$0, NF, NR, FNR
getline var	var, NR, FNR
getline	$0, NF
getline var	var
cmd | getline	$0,NF
cmd | getline var	var

• 可以将输出直接通过管道导入到getline中

  while ("who" | getline) n++ 执行who这个命令，然后输出到getline

• 注意如果getline没有读取成功会出错

  • 危险用法：while(getline< "file")…

  访问file出问题时，getline返回值为-1，会陷入死循环

  • 安全用法：while (getline <"file" > 0) …

  加上判断语句，只有getline返回值大于0即为1的时候才可以执行。（1>0）

  ​

• next 和getline

  • 在awk中，如果调用next，那么next之后的命令就都不执行了。此行文本的处理到此结束，开始读取下一条记录并操作。
  • 与next相似，getline也是读取下一行数据。但是与next不同的是，next读取下一行之后，把控制权交给了awk脚本的顶部。但是getline却没有改变脚本的控制，读取下一行之后，继续运行当前的awk脚本。getline执行之后，会覆盖$0的内容。

Command-Line Variable Assignments命令行变量赋值

awk 'program' f1 f2 …
awk -f progfile f1 f2 …
awk -Fsep 'program' f1 f2
awk -Fsep -f progfile f1 f2 …

f1,f2…在命令行中通常是表示文件名的参数。

如果有一个部分是var=text ，这就是将text付给var。这个操作可以在读取file前后执行。

Command-Line Arguments命令行赋值

ARGC和ARGV[]

• ARGC和ARGV[]事awk提供的内置变量。

  通过命令行赋给awk的数值都存储在一个内置的数组ARGV中

  (ARGC命令行参数个数,ARGV命令行参数数组)

  ARGC的数值超过了参数的值。比如

  awk -f progfile a v=1 b

  ARGC=4

  ARGV[0]=”awk”；ARGV[1]=”a”；ARGV[2]=”v=1”；ARGV[3]=”b”

  因为命令 awk 被算成了第0个参数。正如在C语言中一样。

• 命令行上的 “-f”,”-F”,” -vx”选项及参数，或程序部分 ‘{ print $1,$2}’ 都不会列入 ARGC 及 ARGV[ ] 中。

• 输出ARGV[]内容：

  BEGIN {
      for (i = 1; i < ARGC; i++)
          printf "%s ", ARGV[i]
      printf "\n"
  }

• ARGV中的参数可以被修改或添加; ARGC可以被更改。
  当每个输入文件结束时，awk将ARGV的下一个非空元素（通过ARGC-1的当前值）视为下一个输入文件的名称。 因此，将ARGV的元素设置为null意味着它不会被视为输入文件。 “-” 可用作标准输入。

  awk 利用 ARGC 来判断应打开的数据文件个数

  没太能理解意思，先mark一下，日后再补充参考：读取命令行上的参数

  使用者可强行改变 ARGC；当 ARGC 的值被使用者设为 1 时，awk将被蒙骗，误以为命令行上并无数据文件文件名，故不会以 ARGV[1]，ARGV[2]，…为文件名来打开文件读取数据；但在程序中仍可通过ARGV[1]，ARGV[2]，…来取得命令行上的数据。

awk实现seq打印整数序列

写好seq之后可以用awk进行调用

# seq - print sequences of integers
# input: arguments q, p q, or p q r; q >= p; r > 0
# output: integers 1 to q, p to q, or p to q in steps of r
BEGIN {
    if (ARGC == 2)
        for (i = 1; i <= ARGV[1]; i++)
            print i
    else if (ARGC == 3)
        for (i = ARGV[1]; i <= ARGV[2]; i++)
            print i
    else if (ARGC == 4)
        for (i = ARGV[1]; i <= ARGV[2]; i += ARGV[3])
            print i
    }

以下三种方式都可以生成1-10的整数序列

awk -f seq 10 awk -f seq 1 10 awk -f seq 1 10 1